Descripción general

En este lab, crearás un conjunto de datos tabular con Vertex AI y lo usarás para entrenar un modelo de clasificación.

Objetivos de aprendizaje

• Crear un conjunto de datos y entrenar un modelo de clasificación de AutoML
• Implementar un modelo y solicitar una predicción

Introducción a Vertex AI

En este lab, se utiliza la oferta de productos de IA más reciente de Google Cloud. Vertex AI integra las ofertas de AA de Google Cloud en una experiencia de desarrollo fluida. Anteriormente, se podía acceder a los modelos personalizados y a los entrenados con AutoML mediante servicios independientes. La nueva oferta combina ambos en una sola API, junto con otros productos nuevos. También puedes migrar proyectos existentes a Vertex AI. Si tienes comentarios, consulta la página de asistencia.

Vertex AI incluye muchos productos distintos para respaldar flujos de trabajo de AA de extremo a extremo. Este lab se enfoca en los productos que se destacan a continuación: entrenamiento/ajuste de hiperparámetros y notebooks.

Configuración

En cada lab, recibirá un proyecto de Google Cloud y un conjunto de recursos nuevos por tiempo limitado y sin costo adicional.

1. Accede a Qwiklabs desde una ventana de incógnito.

2. Ten en cuenta el tiempo de acceso del lab (por ejemplo, 1:15:00) y asegúrate de finalizarlo en el plazo asignado.
   No existe una función de pausa. Si lo necesita, puede reiniciar el lab, pero deberá hacerlo desde el comienzo.

3. Cuando esté listo, haga clic en Comenzar lab.

4. Anote las credenciales del lab (el nombre de usuario y la contraseña). Las usarás para acceder a la consola de Google Cloud.

5. Haga clic en Abrir Google Console.

6. Haga clic en Usar otra cuenta, copie las credenciales para este lab y péguelas en el mensaje emergente que aparece.
   Si usa otras credenciales, se generarán errores o incurrirá en cargos.

7. Acepta las condiciones y omite la página de recursos de recuperación.

Tarea 1. Habilita la API de Vertex AI

1. En el menú de navegación de la consola de Google Cloud, haz clic en Vertex AI.

2. Haz clic en Habilitar todas las APIs recomendadas.

Tarea 2. Crea un conjunto de datos y entrena un modelo de clasificación de AutoML

Cree un conjunto de datos tabular

1. En la página Panel de la consola de Vertex AI, haga clic en Crear un conjunto de datos.

2. Asígnele el nombre Structured_AutoML_Tutorial al conjunto de datos.

3. Para el tipo de datos y el objetivo, selecciona Tabulares.

4. Acepta los valores predeterminados y haz clic en Crear.

5. En Selecciona una fuente de datos, elija Selecciona archivos CSV de Cloud Storage y para Ruta del archivo de importación, escriba cloud-training/mlongcp/v3.0_MLonGC/toy_data/bank-marketing_toy.csv

6. Haz clic en Continuar.

Se abrirá el panel Analizar.

7. Haz clic en Generar estadísticas.

Tardarán unos minutos en generarse.

Cuando aparezcan, podrás hacer clic en cualquier atributo para ver más detalles sobre sus datos.

Entrena un modelo de clasificación de AutoML

1. Haz clic en Entrenar un modelo nuevo y selecciona Otra.

2. En el panel Entrenar un modelo nuevo, en Objetivo, selecciona Clasificación.

3. Selecciona el método de entrenamiento AutoML y haz clic en Continuar.

4. En Columna objetivo, selecciona Deposit y haz clic en Continuar.

Se mostrará la lista de columnas con la transformación que se usará para cada atributo.

5. Para mostrar el panel Procesamiento y precios, haz clic en Continuar.

6. En Presupuesto, escribe 1.

7. Haga clic en Comenzar entrenamiento.

El presupuesto de entrenamiento determina el tiempo de entrenamiento real, pero en el tiempo necesario para completarlo se incluyen otras actividades, por lo que todo el proceso puede tardar alrededor de dos horas. Cuando el modelo termina de entrenarse, se muestra en el panel de Model Registry como un vínculo disponible junto a un ícono de estado con una marca de verificación verde.

Nota: El entrenamiento tarda casi 2 horas en completarse. Espera a que finalice.

Tarea 3. Implementa un modelo y solicita una predicción

Implementa tu modelo en un extremo

1. En el panel de navegación de la consola de Vertex AI, haz clic en Model Registry.

2. Haz clic en el nombre de tu modelo y, luego, en el ID de tu versión para abrir el panel Evaluar.
   En este panel, se muestran métricas de calidad del modelo, incluida una matriz de confusión.

3. Para ver las métricas de evaluación de un valor, selecciona ese valor para la columna objetivo.

Se muestra el efecto de cada columna en el entrenamiento de modelos (importancia de los atributos).

4. En el panel Implementa y prueba que se encuentra en la sección Deploy your model, haz clic en Implementar en el extremo.

5. En Nombre del extremo, escribe Structured_AutoML_Tutorial y haz clic en Continuar.

6. En la página Configuración del modelo, en la opción de Explicabilidad, habilita la opción Habilitar las atribuciones de atributos para este modelo.

7. Haz clic en Listo y, luego, en Continuar.

8. En la página Supervisión de modelos, revisa la configuración predeterminada y haz clic en Continuar.

9. En Fuente de datos de entrenamiento, selecciona Conjunto de datos de Vertex AI y elige tu conjunto de datos en el menú desplegable.

10. En Columna objetivo, escribe Deposit.

11. En Umbrales de alertas, habilita el botón de activación para entrenar modelos configurados para tener estructuras de atribución a través de Explainable AI.

12. Para crear el extremo y, luego, implementar el modelo, haz clic en Implementar.

La implementación de un modelo puede tardar varios minutos.

Solicite una predicción

Mientras se crea el extremo, puede ingresar un conjunto de valores para hacer una predicción.

1. Regrese a la lista de Modelos en el panel de navegación y abra el modelo recién creado.

2. Abra el panel Implementar y probar.

Puede usar los valores completados de forma previa para los datos de predicción o ingresar sus propios valores.

3. Cuando se implemente el modelo, haga clic en Predecir.

Para este modelo, un resultado de predicción de 1 representa un resultado negativo, es decir, no se realiza un depósito en el banco. Un resultado de predicción de 2 representa un resultado positivo, es decir, se realiza un depósito en el banco.

Si utilizó los valores de predicción completados de forma previa, todos los valores de importancia de los atributos locales son iguales a cero. Esto se debe a que los valores completados previamente son los datos de predicción del modelo de referencia, y por este motivo la predicción que se muestra corresponde al valor de predicción del modelo de referencia.

Finalice su lab

Cuando haya completado su lab, haga clic en Finalizar lab. Qwiklabs quitará los recursos que usó y limpiará la cuenta por usted.

Tendrá la oportunidad de calificar su experiencia en el lab. Seleccione la cantidad de estrellas que corresponda, ingrese un comentario y haga clic en Enviar.

La cantidad de estrellas indica lo siguiente:

• 1 estrella = Muy insatisfecho
• 2 estrellas = Insatisfecho
• 3 estrellas = Neutral
• 4 estrellas = Satisfecho
• 5 estrellas = Muy satisfecho

Puede cerrar el cuadro de diálogo si no desea proporcionar comentarios.

Para enviar comentarios, sugerencias o correcciones, use la pestaña Asistencia.

Copyright 2020 Google LLC. All rights reserved. Google y el logotipo de Google son marcas de Google LLC. Los demás nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que estén asociados.